FastUMAP：通过二分图地标采样的可扩展降维
机器学习
2026-05-13 v1
摘要
高维数据的探索性分析很少止步于单次嵌入。实践中，分析师在更改预处理、数据子集或超参数后会重新运行降维，而标准的非线性方法可能很快成为瓶颈。我们引入了FastUMAP（二分图流形逼近与投影），这是一种为这种重复使用场景设计的地标方法。FastUMAP构建一个稀疏的点-地标模糊图，从诱导的地标亲和度计算Nyström谱热启动，然后在二分图上用UMAP风格的目标函数优化所有样本坐标。地标比率 r = m/n 提供了一种在运行时间与保真度之间直接权衡的方式。在涵盖178到70,000个样本的9个基准数据集上，根据我们报告的单工作站默认实现对比，FastUMAP在7个数据集上具有最低的运行时间。在MNIST和Fashion-MNIST（n=70000）上，它运行约4.6秒，而Barnes-Hut t-SNE约为73-75秒，同时达到91.4%的平均kNN准确率，而最强准确率基线为94.6%。因此，FastUMAP最好被视为一种用于重复探索性嵌入的快速选项，而非追求最高精度方法的替代品。
引用
@article{arxiv.2605.11428,
title = {FastUMAP: Scalable Dimensionality Reduction via Bipartite Landmark Sampling},
author = {Hongmin Li},
journal= {arXiv preprint arXiv:2605.11428},
year = {2026}
}
备注
17 pages, 5 figures